この記事の要点
- RAGは、生成AIが外部の情報源を検索して回答に反映させる仕組み
- 質問に関連する情報を検索し、それを参考資料として回答を生成する二段階の処理が特徴
- 社内文書などAI単体では持たない情報を踏まえた回答が可能になる
RAG(Retrieval-Augmented Generation、検索拡張生成)とは、生成AIが回答を作成する際に、外部の情報源を検索して参照する仕組みを組み合わせた技術のことを指す。生成AI単体では学習時点までの情報しか持たないが、RAGを組み合わせることで、社内文書や最新情報を踏まえた回答を導き出しやすくなる。
RAGの基本的な仕組み
RAGでは、利用者からの質問に対して、まず関連する情報を社内文書やデータベースから検索する。次に、検索で得られた情報を参考資料として生成AIに渡し、それをもとに回答を作成させる。この二段階の処理により、生成AIが持たない情報についても、根拠に基づいた回答が期待できるようになる。
よくある質問
RAGを使うとどのようなメリットがありますか
社内マニュアルや規程集など、公開されていない情報を踏まえた回答が可能になる点が大きなメリットだ。また、回答の根拠となった情報源を提示しやすくなるため、内容の確認がしやすくなる。
導入にはどのような準備が必要ですか
検索対象となる文書を整理し、検索しやすい形式で管理しておくことが前提になる。文書が整理されていない状態では、参照する情報の精度が下がり、期待した効果が得られにくくなる点に注意したい。
